基于深度特征的人群密度估计方法

传统的人群密度估计方法大多采用传统特征,这类特征在人群背景较为复杂时无法很好地描述人群密度情况。相关研究表明,深度特征相比传统特征能够更准确地表达图像特征信息。因此,提出了一种基于深度特征的人群密度估计方法。首先,对人群图像的原始数据进行预处理,获得训练集和测试集,分别用于分类器训练和效果检测;然后,通过卷积神经网络提取人群图像的深度特征,以此训练对应的Softmax分类器;最后,将测试集输入训练好的分类器,得到人群密度估计等级,从而实现人群密度估计。实验结果表明,使用卷积神经网络提取的深度特征能够提高人群密度估计的准确性。     

基于概率神经网络的人群密度估计

研究图像在频域中的纹理特性,实现了在频域中的人群密度估计.首先,对视频的每一帧进行离散余弦变换(DCT),将视频图像的空域性质转化到频域中;其次,统计分析视频图像DCT变换矩阵的纹理特性,提取能描述不同密度等级的纹理描述子作为特征向量;最后,用提取出的特征向量训练概率神经网络,并进行人群密度等级估计.实验表明,该方法可以很好地进行密度估计,获得了较高识别效率.     

基于卷积神经网络和密度分布特征的人数统计方法

在行人监控视频中,由于行人遮挡、场景光照变化,人群分布不均等因素的影响使得现有方法难以准确统计视频中人数。针对该问题,提出一种基于卷积神经网络和密度分布特征的人数统计方法。该方法首先将场景中的人群依据密度进行划分;对稀疏人群,使用Retinex算法将场景去噪后转换至HSV空间中对行人位置进行预判,并使用栅极损失函数分块训练卷积神经网络提取行人特征,实现对遮挡行人局部位置的识别;对密集人群,提取人群密度分布特征并使用多核回归函数估计人群数量。该算法在PETS2009、UCSD等数据集上进行了测试,实验结果表明所提算法具有更好的统计精度。     

基于核密度估计的遮挡人体跟踪

充分利用空间、颜色、运动等信息对图像进行块建模、颜色建模和运动建模.通过混合高斯建模法,将运动人体的前景信息提取出来;基于Epanechnikov核密度梯度估计算法,对存储模型中的人体进行聚类,实现块建模;采用非参数的核密度估计算法和基于高斯分布的运动建模,分别获取颜色密度函数和运动密度函数,并利用颜色密度函数和运动密度函数对当前帧的前景区域进行后验概率估计,以获取后验概率图像,根据对该图像中遮挡人体进行分割以实现人体目标的跟踪.实验结果表明:基于核密度估计的遮挡人体目标跟踪算法有效地解决了遮挡人体目标跟踪问题.     

专用无线通信系统实时多媒体业务调度算法的研究

宽带多媒体的专用无线通信系统,要求同时具备双向语音调度指挥、过程监控、图像传输等功能.针对现有协议非实时性特点和调度系统业务实时性要求,该研究是以IEEE802.3LAN为应用平台的多媒体终端和控制中心,基于用户背负信令的状态报告,提出一种改进型TCP协议实时业务调度算法.算法根据状态报告信息对不同业务节点进行实时信道优化分配,实现一定服务质量的实时多媒体业务的传输、指挥调度 监控等功能.在典型业务强度下,平均延迟和延迟抖动实时性指标较传统TCP控制方法提升90%.     

基于扩展可靠性的全局灵敏度分析

文章采用自适应核密度估计和正交多项式拟合方法近似估算样本的概率密度函数,建立了基于自适应核密度估计、正交多项式拟合和扩展可靠性的全局灵敏度求解方法.文中在给出所提方法的思路和实现步骤后,采用数值和工程算例对所建立的方法与现有的基于有限混合密度估计、最大熵密度估计的方法进行了比较,结果表明:基于最大熵和基于正交多项式拟合的方法具有较好的计算稳定性.     

一种实用的运动目标检测和跟踪算法

为使智能视频监控系统在监控时不仅具有较高的准确率,同时也保证系统的实时性,设计并实现了一种实用的在摄像机静止条件下运动目标检测和跟踪算法。首先对采集到的视频图像进行预处理,为算法提供最佳的图像数据,然后用混合高斯背景建模方法实现前景/背景分割,用形态学操作提取前景目标,最后用基于空间距离的方法实现目标跟踪。算法应用到实验系统,实验表明,系统在保证实时性的同时,能够正确检测和跟踪监控场景中的运动目标。     

基于兴趣点密度加权的图像美学质量评价

针对现有方法没有充分考虑图像空间美学信息,并且评价效果过分依赖于主体区域识别效果的问题,提出一种基于兴趣点密度加权的图像美学质量评价模型。首先对图像进行超像素分割和兴趣点检测并提取特征描述子,然后统计超像素块内的兴趣点个数,根据兴趣点密度对超像素块内的特征描述子进行加权并进行局部约束线性编码处理,最后利用机器学习方法进行图像美学质量评价。实验结果表明该方法用来图像美学质量评价大大减少了特征维度和计算时间,提高了评价模型的准确率。     

基于平均密度的孤立点检测研究

为了使孤立点检测更为自动化,减少用户对参数选择的困难,提出了平均密度的定义,并给出基于平均密度的孤立点检测方法。该方法提出了孤立点对象的密度要小于数据集的平均密度;非孤立点对象的密度不应因为封闭区间的收缩而减少。采用企鹅图像边缘检测对该方法进行验证,实验结果表明,该方法能够有效地检测出图像边缘孤立点,同时简化了孤立点检测时对用户输入参数的要求。     

多点多样性密度算法及其在图像检索中的应用

提出多点多样性密度(MPDD)算法。针对经典多样性密度(DD)算法对样本包内容表述单一问题,采用多个密度点对包内容进行描述,避免了内容表述的片面性。将MPDD算法应用于图像检索。图像被均匀细分成小块,提取图像的颜色特征和纹理特征表示图像块内容,然后采用K均值算法对实现图像块进行聚类,产生包示例,最后应用MPDD算法对图像进行检索。实验结果表明,MPDD算法的检索效果好于DD算法。     

人员群集流动自适应元胞自动机模型研究

目的建立人员群集流动的自适应二维元胞自动机模型，分析出口附近人员流动的瓶颈现象，以及群集流动灾变的临界状态．方法对国内外人员流动行为规律的研究现状和发展趋势进行分析，利用自适应网格生成器，建立人员流动二维元胞自动机模型，实现对人员群集流动的计算机模拟．结果可以清晰地观察到人员流动过程中的群集滞留与成拱现象．在同样的人员负荷、人员密度和人员初始期望速度情况下。空间几何尺寸对人员流动安全性有一定的影响．结论与社会力模型相比，大大提高了运算速度．然而，当空间结构比较复杂，并且人员密度较大的时候，网格的局部加密和调整常常会造成冲突和死循环现象．因此，今后的研究方向应该在网格技术上进一步实现优化。     

一种基于相似运动模式的群体分割方法

由于内部复杂性、多样性等因素存在,复杂场景下基于相似运动模式的群体分割一直是计算机视觉领域中的难点问题。为了提高群体分割结果的准确性,本文将高精度变分光流模型与基于拉格朗日流体动力学的脉线模型相结合,提出了一种高精度的群体分割算法。该算法首先采用各向异性扩散模型对原始视频帧进行平滑,保证了去噪图像的重要结构信息;接着将高精度的变分光流模型与脉线模型结合,得到抗干扰能力较强、精度较高的脉线（streakline）和脉线流;然后根据脉线和脉线流的相似性采用分水岭算法对群体进行分割;最后通过对多组视频序列进行试验对比分析,验证了该方法的有效性和准确性。     

Fast recognition using convolutional neural network for the coal particle density range based on images captured under multiple light sources

A method based on multiple images captured under different light sources at different incident angles was developed to recognize the coal density range in this study. The innovation is that two new images were constructed based on images captured under four single light sources. Reconstruction image 1 was constructed by fusing greyscale versions of the original images into one image, and Reconstruction image 2 was constructed based on the differences between the images captured under the different light sources. Subsequently, the four original images and two reconstructed images were input into the convolutional neural network AlexNet to recognize the density range in three cases: −1.5 (clean coal) and + 1.5 g/cm³ (non-clean coal); −1.8 (non-gangue) and + 1.8 g/cm³ (gangue); −1.5 (clean coal), 1.5–1.8 (middlings), and + 1.8 g/cm³ (gangue). The results show the following: (1) The reconstructed images, especially Reconstruction image 2, can effectively improve the recognition accuracy for the coal density range compared with images captured under single light source. (2) The recognition accuracies for gangue and non-gangue, clean coal and non-clean coal, and clean coal, middlings, and gangue reached 88.44%, 86.72% and 77.08%, respectively. (3) The recognition accuracy increases as the density moves further away from the boundary density.     

基于流形学习的车牌图像超分辨率算法

为了解决视频监控系统中车牌图像分辨率较低、车牌字符难以辨识的问题,提出一种基于流形学习的车牌图像超分辨率重建算法。首先学习训练样本库中高、低分辨率图像之间的映射关系,然后利用线性判别分析(Linear Discriminant Analysis,LDA)算法提取图像特征,并利用流形学习中的局部线性嵌入(Locally Linear Embedding,LLE)算法对特征向量进行参数建模,最后通过特征映射关系获得高分辨率图像。实验表明,该方法对监控系统中的低分辨率车牌图像具有较好的超分辨率复原效果,不仅提高了字符的可读性,而且具有更高的峰值信噪比。     

基于视频分析技术的校园智能监控系统设计

针对校园这一特殊环境,为了实现无人值守情况下的实时视频监控和智能分析,在VC6.0搭配OpenCV1.0的软件平台上设计出一套基于视频分析技术的校园监控系统。本系统采用了GMM前景检测、基于Meanshift算法的团块跟踪等多种实用性较强的视频分析技术,完成了对多目标的跟踪,并提出一种基于HSV色彩空间特征的阴影消除新方法,使得系统可以应用于较复杂的监控环境。所设计的系统实现了入侵检测、人数统计、人员聚集检测和徘徊检测等功能,并在实际校园环境中进行了实际测试,结果证明了其实用性和有效性。     

无线电传播模型的建筑物密度因子自动提取方法及应用

无线电传播路径受多种干扰影响,其中建筑物的影响较大。为降低建筑物对无线电传播模型预测精度的影响,GB/T 14617.1—2012 《陆地移动业务和固定业务传播特性第1部分:陆地移动业务传播特性》引入了建筑物密度修正因子对模型加以改进,但现有地理信息系统不能提供建筑物密度信息;为此,文章利用卫星图像光谱特性与数字图像分割技术进行建筑物识别并自动提取密度,再将提取的密度值作为修正因子应用到改进的传播模型中。与图像处理阈值法和K-均值法进行对比的结果表明,采用本方法提取建筑物密度速度较快、精度较高,可明显改善现有传播模型在复杂建筑环境下的预测精度。     

采用后验信息构建稀疏原子库的超分辨率人脸重建

为了提高监控噪声环境下人脸图像的重建质量,提出基于后验信息的鲁棒性原子库构建方法及基于该原子库的超分辨率的方法,通过事后采集现场图像,训练只对输入图像的清晰内容稀疏而对噪声内容不稀疏的低维原子集和与之相对应的高维原子集,计算低维空间的稀疏系数并映射到高维空间以合成出重建人脸图像,从而提高基于稀疏表示的局部脸超分辨率对于监控噪声的鲁棒性.实验结果表明:对于实际拍摄的监控图像输入,提出的基于后验信息的原子库具有很好的鲁棒性能,重建结果比传统方法有更好的主观效果.     

基于主独立内容特征的人脸图像检索方法

提出一种基于独立分量分析的内容特征，并用于人脸图像检索，得到一种基于内容的图像检索新方案.该方案首先在降维空间提取出基于高阶统计特性的主独立内容特征(PICF)，应用提取的PICF特征进行有效的人脸图像描述.为确保计算有效性和检索正确率，运用可消除独立特征顺序不确定性的基于PICF的检索方法，并在具备不同亮度、尺度、姿势和图像描述变化的ORL脸谱数据库中完成了人脸图像检索实验.计算机仿真结果验证了所提出方法的有效性.最佳检索率为100%，平均查准率达95.14％/千次.